已落地 服饰电商

某头部服饰电商品牌:
两个月,模特图生产交给 AI

每次上新都要做大量模特图。我们驻场两个月,从一个换头需求做起,做到整个团队每天在用。下面是需求分析、方案设计、落地交付和结果。

行业服饰电商
合作方式驻场落地(FDE)+ 私有化部署
周期约两个月
团队驻场工程师、产品与客户负责人、前后端工程
01需求分析

先搞清楚:图是怎么做出来的,卡在哪

第一周我们没写代码,先在现场看团队怎么干活。每款新品要配一套模特图:换模特的脸、换背景、把新款穿到已有模特身上、按平台规格裁成主图。这些活以前靠修图师一张张做。

团队已经在用一些 AI 工具,单张效果不错,但放进日常工作有三个问题:

  • 只能一张张做。上新一批几百张,人得守着电脑一张张点。
  • 跑不稳。海外模型时快时慢,跑到一半断了要从头来。
  • 没地方挑和管。哪张能用、哪张要改,散在各人的聊天记录和文件夹里,老板也看不到产出。

第一个场景怎么选

我们选了模特图换头:量最大、最急,效果好坏一眼就能判断,做成了马上能省人力。

回头看,这个选择价值是有的,但覆盖面窄了。如果第一周能和更多一线同事把整条出图链路过一遍,第一批场景可以选得更广。现在我们把「共同梳理」放在每个项目的第一步,就是因为这一点。

02方案设计

每个问题对应一个设计

方向定得早:按一个要长期用、长期改的产品来做,每个场景是一条可以重跑、可以排查的工作流,新场景在同一个底座上加。

问题设计
只能一张张做批任务:一次上传一批原图,配参考图和要求,交给后台跑完,人可以关掉页面
模型访问不稳自建模型网关,接多条线路,一条出错自动换另一条
大批量中途断任务状态全部落库,网络中断、服务重启后从断点接着跑,失败的自动重试
结果难挑、难改原图和结果并排对比,一键采用、整批下载;每张图有评论区,说哪里不好,AI 按意见重出
模型账号额度分散额度统一管理、自动分配,一个用满了自动换下一个
每批图的要求都不一样「自定义提示词」工作流,员工自己写要求,系统负责批量执行和挑选
老板看不到价值使用看板:谁在用、做了多少、采用了多少,按周对比
03落地交付

第三周起,每周都有东西上线

第 1 周

梳理,定方案

看现场、选场景,确定按产品来做。

第 2 周

原型上线

和团队确认原型,换头工作流开始试用。

第 3–4 周

从能用到好用

真实批量用起来后,上面表里的问题一个个冒出来,一个个解决。陆续上线换穿搭、整套换装等专用场景。

第 5 周

转折:让员工自己写要求

专用场景开得再多也跟不上需求变化,于是上线「自定义提示词」。它很快成了用得最多的工作流。同期把默认开启的 AI 自动质检改成按需开启:它偶尔过严,还拖慢整批速度。

第 5–8 周

推广

使用看板改成给老板看的版本,写使用说明、做内部培训。用的人从几个扩到整个团队。

项目里做出来的系统,后来整理成了产品:AI 工作台。

每个阶段遇到的具体问题和取舍,写在落地复盘里。

04结果

最近一周:用的时间更少,产出更多

+46%最终采用量
+33%每小时出图量
+70%每小时采用量
−14%使用时长

使用时长下降、产出上升,说明员工越来越熟练,来回调整的次数少了。

使用人数+15%
批任务数+35%
处理的原图+19%
AI 出图量+15%
出图被下载过半
出图被采用上架约 1/5

从开始试用起,每周批任务数(相对规模)

第 1 周
第 2 周
第 3 周
第 4 周
第 5 周
第 6 周
第 7 周
第 8 周

数据来自客户系统的使用看板,最近一周对比前一周,不含管理员和测试账号。第 3 周是国庆假期。

你那边有类似的活吗

留下联系方式,我们一个工作日内回复。

也可以直接发邮件:cobuild@yintai.ai